KR102644787B1 - 차량 번호판 위조 여부 판단 방법 및 장치 - Google Patents

Abstract

본 발명의 일 양태는 차량 이미지에 기초하여 차량 번호판 위조 여부를 판단하는 방법에 있어서, 상기 차량의 외부를 촬영한 상기 차량 이미지를 획득하는 단계; 미리 학습된 신경망 모델을 이용하여, 상기 차량 이미지에 포함된 차량 번호판 부분으로부터 차량 번호판 정보를 획득하는 단계; 상기 신경망 모델을 이용하여, 상기 차량 이미지로부터 상기 차량의 특징과 관련된 차량 특징 정보를 추출하는 단계; 상기 차량 특징 정보에 기초하여 현재 차량 정보를 획득하는 단계; 상기 차량 번호판 정보가 유효한지 판단하는 차량 번호판 검증 단계; 상기 차량 번호판 검증 단계에서 상기 차량 번호판 정보가 유효하다고 판단되는 경우, 상기 차량 번호판 정보에 기초하여 기준 차량 정보를 획득하는 단계; 및 상기 현재 차량 정보와 상기 기준 차량 정보에 기초하여 상기 차량 번호판의 위조 여부를 판단하는 단계를 포함하는, 차량 번호판 위조 여부 판단 방법에 관한 것이다.

Description

차량 번호판 위조 여부 판단 방법 및 장치 {METHOD AND DEVICE FOR DETERMINING WHETHER A LICENSE PLATE IS FORGED}

본 발명은 차량 번호판 위조 여부 판단 방법 및 장치에 관한 것으로서, 보다 구체적으로는 차량 이미지에 기초하여 상기 차량에 부착된 차량 번호판이 위조되었는지 여부를 판단하는 방법 및 이를 수행하는 장치에 관한 것이다.

차량에 부착되는 차량 번호판은 쉽게 위조될 수 있으며, 실제로 최근 다양한 목적으로 차량 번호판을 위조하는 행위가 증가하고 있다. 이와 같은 차량 번호판 위조 행위는 사회적으로도 부정적인 영향을 미치고 있다. 예컨대, 차량 번호판이 위조되는 경우, 차량 등록 번호판에 대한 공공의 신뢰가 훼손될 뿐만 아니라, 또 다른 범죄를 유발하는 등의 심각한 사회적 문제를 야기하고 있다.

주차장 또는 도로 등에 설치되는 카메라를 통해 차량에 대한 관리가 이루어지고 있으나, 차량 번호판이 위조되었는지에 대한 정확한 판단은 이뤄지지 않고 있어, 차량 번호판 위조 행위가 각종 범죄 행위로 이어지고 있는 상황이다.

이에, 차량의 번호판이 위조되었는지 여부를 쉽게 판단할 수 있는 기술 개발의 필요성이 대두된다.
아래의 종래문헌은 불법차량 적발 시스템으로써, RFID태그가 내장된 차량 번호판의 위조 여부를 판단하기 위한 방법을 개시하고 있다.
* 대한민국특허청(KR) 등록특허공보 2015-0187234　(2015.12.28)

본 발명의 일 과제는 차량 번호판 위조 여부 판단 방법 및 이를 수행하는 차량 관리 장치를 제공하는 것이다.

본 발명이 해결하고자 하는 과제가 상술한 과제로 제한되는 것은 아니며, 언급되지 아니한 과제들은 본 명세서 및 첨부된 도면으로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

본 발명의 일 양태에 따르면, 차량의 외부를 촬영한 차량 이미지를 획득하는 단계, 미리 학습된 신경망 모델을 이용하여, 상기 차량 이미지에 포함된 차량 번호판 부분으로부터 차량 번호판 정보를 획득하는 단계, 상기 신경망 모델을 이용하여, 상기 차량 이미지로부터 상기 차량의 특징과 관련된 차량 특징 정보를 추출하는 단계, 상기 차량 특징 정보에 기초하여 현재 차량 정보를 획득하는 단계, 상기 차량 번호판 정보가 유효한지 판단하는 차량 번호판 검증 단계, 상기 차량 번호판 검증 단계에서 상기 차량 번호판 정보가 유효하다고 판단되는 경우, 상기 차량 번호판 정보에 기초하여 기준 차량 정보를 획득하는 단계 및 상기 현재 차량 정보와 상기 기준 차량 정보에 기초하여 상기 차량 번호판의 위조 여부를 판단하는 단계를 포함하는 차량 번호판 위조 여부 판단 방법이 제공될 수 있다.

본 발명의 과제의 해결 수단이 상술한 해결 수단들로 제한되는 것은 아니며, 언급되지 아니한 해결 수단들은 본 명세서 및 첨부된 도면으로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

본 발명에 의하면, 차량 번호판 위조 여부를 판단하는 방법 및 이를 수행하는 장치가 제공될 수 있다.

본 발명의 효과가 상술한 효과들로 제한되는 것은 아니며, 언급되지 아니한 효과들은 본 명세서 및 첨부된 도면으로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.

도 1은 일 실시예에 따른 차량 번호판 위조 여부를 판단하기 위한 방법을 설명하기 위한 도면이다.
도 2는 일 실시예에 따른 차량 번호판 위조 여부 판단 시스템을 설명하기 위한 도면이다.
도 3은 차량 번호판 위조 여부를 판단하기 위한 차량 관리 장치의 구성을 설명하기 위한 도면이다.
도 4는 차량 번호판 위조 여부를 판단하기 위해 수행되는 일련의 단계들을 설명하기 위한 도면이다.
도 5는 이미지 촬영부를 통해 획득된 차량 이미지를 나타내는 도면이다.
도 6은 차량 이미지에 기초하여 추출되는 차량 특징 정보를 예시적으로 설명하기 위한 도면이다.
도 7은 차량 식별 번호 기초하여 추출되는 차량 특징 정보를 예시적으로 설명하기 위한 도면이다.
도 8은 차량 특징 정보에 기초하여 획득된 현재 차량 정보를 설명하기 위한 도면이다.
도 9는 현재 차량 정보와 기준 차량 정보에 기초하여 차량 번호판 위조 여부를 판단하는 방법을 설명하기 위한 도면이다.
도 10은 중복된 차량 번호판으로 판단되는 경우 위조 차량 후보 리스트를 제공하는 방법을 설명하기 위한 도면이다.

본 발명의 상술한 목적, 특징들 및 장점은 첨부된 도면과 관련된 다음의 상세한 설명을 통해 보다 분명해질 것이다. 다만, 본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예들을 가질 수 있는 바, 이하에서는 특정 실시예들을 도면에 예시하고 이를 상세히 설명하고자 한다.

도면들에 있어서, 층 및 영역들의 두께는 명확성을 기하기 위하여 과장된 것이며, 또한, 구성요소(element) 또는 층이 다른 구성요소 또는 층의 "위(on)" 또는 "상(on)"으로 지칭되는 것은 다른 구성요소 또는 층의 바로 위뿐만 아니라 중간에 다른 층 또는 다른 구성요소를 개재한 경우를 모두 포함한다. 명세서 전체에 걸쳐서 동일한 참조번호들은 원칙적으로 동일한 구성요소들을 나타낸다. 또한, 각 실시예의 도면에 나타나는 동일한 사상의 범위 내의 기능이 동일한 구성요소는 동일한 참조 부호를 사용하여 설명한다.

본 발명과 관련된 공지 기능 혹은 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 본 명세서의 설명 과정에서 이용되는 숫자(예를 들어, 제1, 제2 등)는 하나의 구성요소를 다른 구성요소와 구분하기 위한 식별 기호에 불과하다.

또한, 이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함 만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

일 예에 따르면, 차량 이미지에 기초하여 차량 번호판 위조 여부를 판단하는 방법에 있어서, 상기 차량의 외부를 촬영한 상기 차량 이미지를 획득하는 단계; 미리 학습된 신경망 모델을 이용하여, 상기 차량 이미지에 포함된 차량 번호판 부분으로부터 차량 번호판 정보를 획득하는 단계; 상기 신경망 모델을 이용하여, 상기 차량 이미지로부터 상기 차량의 특징과 관련된 차량 특징 정보를 추출하는 단계; 상기 차량 특징 정보에 기초하여 현재 차량 정보를 획득하는 단계; 상기 차량 번호판 정보가 유효한지 판단하는 차량 번호판 검증 단계; 상기 차량 번호판 검증 단계에서 상기 차량 번호판 정보가 유효하다고 판단되는 경우, 상기 차량 번호판 정보에 기초하여 기준 차량 정보를 획득하는 단계; 및 상기 현재 차량 정보와 상기 기준 차량 정보에 기초하여 상기 차량 번호판의 위조 여부를 판단하는 단계를 포함할 수 있다.

상기 차량 특징 정보 추출 단계는, 상기 차량 이미지로부터 제1 유형의 특징 정보 및 제2 유형의 특징 정보를 추출하는 것을 포함하되, 상기 제1 유형의 특징 정보는 상기 차량이 상기 제1 유형의 특징에 포함된 복수의 파라미터 중 적어도 어느 하나에 해당할 제1 확률 값을 포함하고, 상기 제2 유형의 특징 정보는 상기 차량이 상기 제2 유형의 특징에 포함된 복수의 파라미터 중 적어도 어느 하나에 해당할 제2 확률 값을 포함할 수 있다.

상기 현재 차량 정보 획득 단계는, 상기 제1 확률 값 및 상기 제2 확률 값에 기초하여 상기 현재 차량 정보를 획득하는 것을 포함할 수 있다.

상기 차량 특징 정보 추출 단계는, 상기 차량 이미지로부터 제1 유형의 특징 정보 및 제2 유형의 특징 정보를 포함하는 상기 차량 특징 정보를 추출하는 것을 포함하되, 상기 차량 특징 정보는 상기 차량이 상기 제1 유형의 특징에 포함된 복수의 파라미터 중 적어도 어느 하나에 해당하고, 상기 제2 유형의 특징에 포함된 복수의 파라미터 중 적어도 어느 하나에 해당할 제3 확률 값을 포함할 수 있다.

상기 현재 차량 정보 획득 단계는, 상기 제3 확률 값에 기초하여 상기 현재 차량 정보를 획득하는 것을 포함할 수 있다.

상기 제1 유형의 특징은 차량의 제조사와 관련된 특징이고, 상기 제2 유형의 특징은 차량의 모델명과 관련된 특징일 수 있다.

상기 차량 특징 정보 추출 단계는, 상기 차량 이미지에 포함된 차량 외관 부분에 기초하여 상기 차량의 특징 정보를 추출하는 것을 포함하고, 상기 신경망 모델은 차량 외관 이미지에 기초하여 차량 정보를 획득하도록 학습될 수 있다.

상기 차량 특징 정보 추출 단계는, 상기 차량 이미지에 포함된 문자 부분에 기초하여 상기 현재 차량의 정보를 추출하고, 상기 신경망 모델은 차량과 관련된 문자에 기초하여 차량 정보를 획득하도록 학습될 수 있다.

상기 문자 부분은 차량 식별 번호(Vehicle Identification Number) 또는 엠블럼(emblem)을 포함할 수 있다.

상기 차량 번호판 검증 단계는, 상기 차량 이미지를 통해 획득한 상기 차량 번호판 정보를 조회하여 상기 차량 번호판 정보에 포함된 차량 번호가 데이터베이스 상에 등록되어 있으면 상기 차량 번호가 유효하다고 판단하는 것을 포함할 수 있다.

상기 기준 차량 정보는 데이터베이스 상에 저장된 복수의 차량 정보 중 상기 차량 번호판 정보에 대응하는 차량 정보일 수 있다.

상기 차량 번호판 위조 판단 단계는, 상기 현재 차량 정보와 상기 기준 차량 정보의 불일치 정도가 미리 정해진 기준 이상인 경우, 상기 차량 번호판이 위조된 것으로 판단하는 것을 포함할 수 있다.

일 예에 따르면, 차량 이미지에 기초하여 차량 번호판 위조 여부를 판단하는 차량 관리 장치에 있어서, 상기 차량 번호판의 위조 여부를 판단하는 제어부; 및 상기 차량 번호판의 위조 여부 판단 결과를 제공하는 출력부를 포함하되, 상기 제어부는, 상기 차량의 외부를 촬영한 상기 차량 이미지를 획득하고, 미리 학습된 신경망 모델을 이용하여, 상기 차량 이미지에 포함된 차량 번호판 부분으로부터 차량 번호판 정보를 획득하고, 상기 신경망 모델을 이용하여, 상기 차량 이미지로부터 상기 차량의 특징과 관련된 차량 특징 정보를 추출하고, 상기 차량 특징 정보에 기초하여 현재 차량 정보를 획득하고, 상기 차량 번호판 정보가 유효한지 판단한 후, 상기 차량 번호판 정보가 유효하다고 판단되는 경우, 상기 차량 번호판 정보에 기초하여 기준 차량 정보를 획득하며, 상기 현재 차량 정보와 상기 기준 차량 정보에 기초하여 상기 차량 번호판의 위조 여부를 판단할 수 있다.

아래에서는 도면을 참조하여, 실시 예에 따른 차량관리 장치를 설명한다.

본 명세서에서는 차량 번호판 위조 여부를 판단하기 위한 방법, 장치 및 시스템 등에 대하여 설명한다. 이하에서는 차량 번호판 위조 여부를 판단하기 위한 방법 등에 대하여 몇몇 실시예를 들어 설명한다.

도 1은 일 실시예에 따른 차량 번호판 위조 여부를 판단하기 위한 방법을 설명하기 위한 도면이고, 도 2는 일 실시예에 따른 차량 번호판 위조 여부 판단 시스템을 설명하기 위한 도면이다.

도 1을 참조하면, 차량 관리 장치(1000)는 차량 번호판 위조 여부 판단 결과를 사용자 또는 관리자에게 제공할 수 있다. 즉, 차량 관리 장치(1000)는 차량 외관 중 적어도 일부가 촬영된 차량 이미지에 기초한 차량 번호판 위조 여부 판단 결과를 사용자 또는 관리자에게 제공할 수 있다. 이처럼, 차량 관리 장치(1000)가 주차장 또는 도로 등을 통과하는 차량의 차량 번호판이 위조되었는지 여부에 관한 정보를 사용자 또는 관리자에게 제공함으로써, 도로교통위반 차량 및 불법행위 차량에 대한 감시를 통해 각종 범죄 행위를 예방하는데 기여할 수 있다.

도 2를 참조하면, 일 실시예에 따른 차량 번호판 위조 여부 판단 시스템은 차량 관리 장치(1000), 서버(S) 및 DB 서버(S2)를 포함할 수 있다. 이 경우, 차량 번호판 위조 여부 판단 방법은 차량 관리 장치(1000) 또는 서버(S)를 통해 수행될 수 있다.

일 실시예에 따르면, 서버(S)는 차량 이미지에 기초하여 차량 번호판 위조 판단을 하는 일련의 동작을 수행할 수 있다. 구체적으로, 차량 관리 장치(1000)는 차량 외관에 관한 이미지를 획득한 후, 서버(S)에 전송할 수 있는데, 이 경우, 서버(S)는 차량 관리 장치(1000)로부터 차량 이미지를 획득한 후, 획득된 차량 이미지에 기초하여 차량 번호판이 위조되었는지 여부를 판단할 수 있다. 또한, 서버(S)는 차량 이미지에 기초하여 차량 번호판 위조 여부를 판단한 후, 판단 결과를 차량 관리 장치(1000)에 제공할 수 있다. 이 경우, 차량 관리 장치(1000)는 차량 번호판 위조 판단 결과를 사용자에게 제공할 수 있다.

보다 구체적으로, 서버(S)는 차량 관리 장치(1000)로부터 획득된 차량 이미지를 분석하여 차량 번호판 정보와 차량 외관 정보를 획득한 후, DB 서버(S2)의 데이터 베이스에 미리 저장된 정보 중 획득된 차량 번호판 정보에 대응되는 정보를 상기 차량 외관 정보와 비교함으로써 차량 번호판의 위조 여부를 판단할 수 있다.

이때, 상기 DB 서버(S2)의 데이터 베이스에 저장된 정보는 서버(S) 상에 저장되어 있을 수 있으며, 이 경우, 서버(S)는 서버(S) 상에 저장된 정보 중 획득된 차량 번호판 정보에 대응되는 정보를 상기 차량 외관 정보와 비교함으로써 차량 번호판의 위조 여부를 판단할 수 있다.

또한, 서버(S)는 차량 이미지에 기초하여 차량 번호판 위조 판단 결과를 출력하기 위한 신경망 모델의 학습을 수행할 수 있다. 서버(S)는 학습된 신경망 모델을 이용하여, 상술한 차량 번호판 위조 판단을 위한 일련의 동작을 수행할 수 있다.

다른 실시예에 따르면, 차량 관리 장치(1000)는 차량 번호판 위조 여부를 판단하고, 그 결과를 사용자에게 제공할 수 있다. 다시 말해, 도 2의 서버(S)가 수행하는 차량 번호판 위조 판단을 위한 일련의 동작은 차량 관리 장치(1000)에서 수행될 수 있다.

구체적으로, 차량 관리 장치(1000)는 차량 외관에 관한 이미지를 획득한 후, 획득된 차량 이미지에 기초하여 상기 차량의 번호판이 위조되었는지 판단할 수 있다. 또한, 차량 관리 장치(1000)는 차량 이미지에 기초하여 차량 번호판 위조 여부를 판단한 후, 판단 결과를 사용자에게 제공할 수 있다.

이때, 상기 DB 서버(S2)의 데이터 베이스에 저장된 정보는 차량 관리 장치(1000)의 저장소에 저장되어 있을 수 있으며, 이 경우, 차량 관리 장치(1000)는 상기 저장소에 저장된 정보 중 획득된 차량 번호판 정보에 대응되는 정보를 상기 차량 외관 정보와 비교함으로써 차량 번호판의 위조 여부를 판단할 수 있다.

또한, 서버(S)는 차량 이미지에 기초하여 차량 번호판 위조 판단 결과를 출력하기 위한 신경망 모델의 학습을 수행할 수 있고, 차량 관리 장치(1000)는 학습된 신경망 모델에 대한 정보를 서버(S)로부터 수신하여, 학습된 신경망 모델을 이용하여 차량 번호판 위조 여부를 판단할 수 있다.

한편, 도 2를 참조하여 상술한 차량 관리 장치(1000)는 주차장 또는 도로 등에 설치될 수 있고, 이 경우, 차량 관리 장치(1000)에 구비된 이미지 촬영부(200)를 통해 차량 이미지를 획득한 후 차량 번호판 위조 여부 판단을 수행하고, 그 결과를 사용자에게 제공할 수 있다.

또한, 차량 관리 장치(1000)는 주차장 또는 도로 등에 설치되는 다양한 종류의 이미지 촬영 장치와 연동되어 동작할 수 있다. 예를 들어, 차량 관리 장치(1000)는 주차장 또는 도로 등에 설치되는 다양한 종류의 이미지 촬영 장치로부터 촬영된 차량 이미지에 기초하여 차량 번호판 위조 여부 판단을 수행하고, 그 결과를 사용자에게 제공할 수 있다.

이하에서는 설명의 편의를 위해 차량 관리 장치(1000) 내에서 수행되는 동작들에 대해 설명하지만, 구현 예에 따라 이와 동일하거나 상응하는 동작들이 주차장 또는 도로 등에 설치되는 다양한 종류의 이미지 촬영 장치와 연동되어 동작하는 장치에서 수행될 수도 있다.

도 3은 차량 번호판 위조 여부를 판단하기 위한 차량 관리 장치의 구성을 설명하기 위한 도면이다.

차량 관리 장치(1000)는 도 3을 참조하면, 제어부(100), 이미지 촬영부(200), 저장부(300), 사용자 입력부(400), 출력부(500), 전원 공급부(600) 및 통신부(700)를 포함할 수 있으나, 이에 한정되는 것은 아니다. 예를 들어, 차량 관리 장치(1000)는 제어부(100) 및 출력부(500) 만을 포함할 수 있다.

이미지 촬영부(200)는 디지털 카메라로, 이미지 센서와 영상처리부를 포함할 수 있다. 이미지 센서는 광학 영상(image)을 전기적 신호로 변환하는 장치로, 다수개의 광 다이오드(photo diode)가 직접된 칩으로 구성될 수 있다. 예시적으로, 이미지 센서는 CCD(Charge Coupled Device), CMOS(Complementary Metal Oxide Semiconductor) 등을 포함할 수 있다. 한편, 영상처리부는 촬영된 결과를 영상 처리하여, 영상 정보를 생성할 수 있다.

저장부(300)는 마이크로 프로세서(micro processor)에 의해 읽힐 수 있는 데이터를 저장하는 저장수단으로, HDD(Hard Disk Drive), SSD(Solid State Disk), SDD(Silicon Disk Drive), ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치를 포함할 수 있다. 저장부(300)에는 사용자 단말기(1000)에 수신되는 데이터가 저장될 수 있다.

사용자 입력부(400)는 사용자 단말기(1000)에 대한 사용자의 입력을 수신한다. 수신된 입력은 제어부(100)에 전달될 수 있다. 일 실시예에 따르면, 사용자 입력부(400)는 터치 디스플레이를 통해 사용자의 입력을 수신할 수 있다. 또한, 사용자 입력부(400)는 사용자로부터 명령이 입력되는 사용자 인터페이스 화면을 의미할 수 있다.

출력부(500)는 제어부(100)의 제어 명령에 따라 각종 정보를 출력한다. 일 실시예에 따르면, 출력부(500)는 디스플레이 패널을 통해 정보를 출력할 수 있다. 보다 구체적으로, 출력부(500)는 디스플레이 패널을 통해 차량 번호판 위조 여부 판단 결과를 출력할 수 있다. 다만, 출력부(500)는 디스플레이 패널로 한정되지 않으며, 스피커 등 정보를 출력할 수 있는 다양한 수단을 포함할 수 있다.

전원 공급부(600)는 배터리를 포함하며, 상기 배터리는 사용자 단말기(1000)에 내장되거나 외부에서 착탈이 가능하게 구비될 수 있다. 전원 공급부(600)는 사용자 단말기(1000)의 각 구성 요소에서 필요로 하는 전력을 공급할 수 있다.

통신부(700)는 무선 통신 모듈 및/또는 유선 통신 모듈을 포함할 수 있다. 여기서, 무선 통신 모듈은 와이파이(Wi-Fi) 통신 모듈, 셀룰러 통신 모듈 등을 포함할 수 있다.

제어부(100)는 적어도 하나의 프로세서를 포함할 수 있다. 이때, 각각의 프로세서는 메모리에 저장된 적어도 하나의 명령어를 실행시킴으로써, 소정의 동작을 실행할 수 있다. 구체적으로, 제어부(100)는 사용자 단말기(1000)에 포함되어 있는 구성들의 전체적인 동작을 제어할 수 있다. 다시 말해, 사용자 단말기(1000)는 제어부(100)에 의해 제어 또는 동작될 수 있다.

서버(S)는 도 3을 참조하면, 제어부(110)를 포함할 수 있다. 이때, 제어부(110)는 차량 관리 장치(1000)로부터 획득한 차량 이미지에 기초하여 차량 번호판 위조 여부를 판단할 수 있다.

예를 들어, 서버(S)의 제어부(110)는 차량 관리 장치(1000)로부터 차량 이미지를 수신한 후, 상기 차량 이미지에 기초하여 미리 학습된 신경망 모델을 통해 차량 번호판 위조 여부를 판단하고, 그 결과를 차량 관리 장치(1000)에 전송할 수 있다. 이 경우, 차량 관리 장치(1000)의 제어부(100)는 서버(S)의 제어부(110)가 차량 이미지에 기초하여 판단한 차량 번호판 위조 여부 결과를 수신하여 사용자에게 차량 번호 위조 또는 정상 메시지를 제공할 수 있다.

한편, 상술한 서버(S)의 제어부(110)가 수행하는 일련의 동작은 차량 관리 장치(1000)의 제어부(100)에 의해 수행될 수 있다. 구체적으로, 차량 관리 장치(1000)의 제어부(100)는 차량 이미지를 획득한 후, 이에 기초하여 차량 번호판 위조 판단을 수행할 수 있고, 그 결과를 출력부(500)를 통해 사용자에게 제공할 수 있다.

제어부(100)가 차량 번호판 위조 여부를 판단하는 보다 상세한 방법에 관하여는 후술하도록 한다.

도 4는 차량 번호판 위조 여부를 판단하기 위해 수행되는 일련의 단계들을 설명하기 위한 도면이다.

도 4를 참조하면, 차량 번호판 위조 여부 판단 프로세스는 차량 관리 장치(1000), 서버(S) 및 DB 서버(S2)를 통해 수행될 수 있다. 즉, 차량 관리 장치(1000)가 획득한 차량 외관에 관한 이미지에 기초하여, 서버(S)는 DB 서버(S2)에 저장된 정보를 이용하여 상기 차량의 번호판이 위조 되었는지 여부를 판단할 수 있다. 이때, DB 서버(S2)는 관련 기관(예를 들어, 국토교통부)의 서버 또는 데이터베이스를 의미할 수 있다. 이하에서 차량 번호판 위조 여부 판단 방법의 설명을 위해 사용되는 용어인 관련 기관의 서버, 관련 기관의 데이터베이스는 DB 서버(S2)와 대응하는 용어일 수 있다.

한편, 상술한 바와 같이, 도 4에서는 차량 번호판 위조 여부 판단이 서버(S) 상에서 수행되는 것으로 도시 되었으나, 서버(S)에서 수행되는 일련의 동작들은 차량 관리 장치(1000)에서 수행될 수도 있다.

이하에서는 설명의 편의를 위해 서버(S)에서 수행되는 동작들에 대해 설명하지만, 구현 예에 따라 이와 동일하거나 상응하는 동작들이 차량 관리 장치(1000)에서 수행될 수도 있다.

도 4를 참조하면, 차량 관리 장치(1000)는 차량 이미지를 획득할 수 있다. 이하에서는, 차량 이미지 획득 방법에 대해 설명하고, 획득된 차량 이미지에 대하여 도면을 참고하여 구체적으로 설명한다.

일 실시예에 따르면, 차량 이미지는 차량 관리 장치(1000)에 구비된 이미지 촬영부(200)를 통해 촬영된 후 획득될 수 있다. 예를 들어, 차량 관리 장치(1000)는 주차장에 설치될 수 있으며, 이 경우, 차량 관리 장치(1000)는 이미지 촬영부(200)를 통해 입차하거나 출차하는 차량의 외관을 촬영함으로써 차량 이미지를 획득할 수 있다. 다른 예로, 차량 관리 장치(1000)는 도로, 톨게이트 등에 설치될 수 있으며, 이 경우, 차량 관리 장치(1000)는 이미지 촬영부(200)를 통해 도로 또는 톨게이트를 통과하는 차량의 외관을 촬영함으로써 차량 이미지를 획득할 수 있다.

다른 실시예에 따르면, 차량 이미지는 차량 관리 장치(1000)와 연동되어 동작하는 별도의 이미지 촬영 장치를 통해 촬영된 후 획득될 수 있다. 예를 들어, 차량 관리 장치(1000)는 주차장 또는 도로 등에 설치된 다양한 종류의 이미지 촬영 장치에 의해 촬영된 차량 이미지를 상기 이미지 촬영 장치로부터 획득할 수 있다.

도 5는 이미지 촬영부를 통해 획득된 차량 이미지를 나타내는 도면이다. 이미지 촬영부(200)가 획득한 차량 이미지는 제어부(100)에 전달될 수 있다. 이하에서는, 도 5를 참조하여, 차량 이미지에 관하여 설명한다.

도 5를 참조하면, 차량 이미지는 차량 외관의 전부 또는 일부가 촬영된 이미지일 수 있다. 차량 이미지는 차량 전체 외관의 주요 부위 중 적어도 일부가 포함된 상태로 촬영된 이미지일 수 있다.

도 5의 (a)를 참조하면, 일 실시예에 따른 차량 이미지는 차량을 일 방향에서 촬영하여 획득된 이미지일 수 있다. 차량 이미지는 일 방향에서 프레임 내에 차량 전체가 들어오도록 촬영하여 획득된 이미지일 수 있다.

도 5의 (b)를 참조하면, 일 실시예에 따른 차량 이미지는 차량을 전방에서 촬영하여 획득된 이미지일 수 있다. 차량 이미지는 프레임 내에 차량 전면부 전부 또는 일부가 들어오도록 촬영하여 획득된 이미지일 수 있다.

차량 이미지에는 차량을 식별하기 위한 특징 정보(FI)가 포함되어 있을 수 있다. 특징 정보(FI)는 차량의 외부 형태가 나타나는 차량의 전체적인 외관과 관련된 정보일 수 있다. 또한, 특징 정보(FI)는 차량 식별 번호(Vehicle Identification Number), 엠블럼(EM) 또는 차량 번호판(NP)과 관련된 정보일 수 있다.

차량 관리 장치(1000)가 획득한 차량 이미지에는 차량 번호판 영역이 포함되어 있을 수 있다. 이때, 상기 차량 번호판에는 다양한 정보가 포함되어 있을 수 있으며, 서버(S)는 차량 이미지에서 획득되는 차량 번호판 정보를 이용하여 차량 번호판 위조 여부를 판단할 수 있다. 이하에서는, 서버(S)가 차량 번호판 정보를 획득하는 방법에 관하여 설명한다.

도 4를 참조하면, 서버(S)는 차량 관리 장치(1000)로부터 차량 이미지를 수신한 후, 수신된 차량 이미지에 기초하여 차량 번호판 정보를 추출할 수 있다. 이 경우, 차량 번호판 정보는 차량 번호판에 포함되어 있는 각종 문자, 숫자, 색상, 기호, 홀로그램 등으로부터 추출되는 정보일 수 있다.

예컨대, 차량 번호판에는 숫자가 포함되어 있을 수 있는데, 서버(S)는 차량 번호판에 포함된 숫자로부터 차종 정보(예를 들어, 승용차, 승합차, 화물차 또는 특수차 등), 등록 차량의 일련 번호(고유 번호)를 추출할 수 있다.

또한, 차량 번호판에는 문자가 포함되어 있을 수 있으며, 이 경우, 서버(S)는 차량 번호판에 포함된 문자로부터 차량의 용도에 관한 정보를 추출할 수 있다. 예를 들어, 서버(S)는 상기 문자에 기초하여 차량의 용도가 비사업용인지 또는 영업용(일반, 택배, 렌터카)인지에 관한 정보를 추출할 수 있다.

또한, 차량 번호판은 특정 색상으로 이루어질 수 있다. 이 경우, 서버(S)는 차량 번호판의 색상에 기초하여 차량의 종류나 용도에 관한 정보를 추출할 수 있다. 예를 들어, 서버(S)는 상기 색상에 기초하여 차량이 친환경 자동차(예를 들어, 전기자동차, 수소연료전지자동차 등), 사업용 자동차, 건설기계 또는 외교용 자동차에 해당하는지에 관한 정보를 추출할 수 있다.

한편, 서버(S)는 미리 학습된 신경망 모델 또는 문자 인식 알고리즘을 이용하여 상술한 차량 번호판 정보를 획득할 수 있다. 구체적으로, 서버(S)는 수신된 차량 이미지에서 차량 번호판 영역을 결정한 후, 상기 차량 번호판 영역에 포함된 숫자, 문자, 기호, 색상 등의 정보를 상기 신경망 모델 또는 문자 인식 알고리즘을 통해 추출할 수 있다.

한편, 차량 관리 장치(1000)가 획득한 차량 이미지에는 차량 번호판 영역 외에 차량의 외관과 관련된 영역에 포함되어 있을 수 있다. 이때, 상기 차량 외관과 관련된 영역을 통해 상기 차량과 관련된 다양한 정보를 획득할 수 있다. 예컨대, 차량 외관에 관한 이미지를 분석하여, 상기 차량의 제조사, 제조 국가, 모델명, 세부 모델명, 제조 일자, 트림 등의 정보만이 아니라 상기 차량을 구성하는 다양한 부품에 대한 정보를 획득할 수 있다.

서버(S)는 차량 이미지를 분석하여 상술한 다양한 차량 정보를 획득하고, 이를 이용하여 차량 번호판이 위조되었는지 여부를 판단할 수 있다. 이하에서는, 서버(S)가 차량 이미지를 통해 현재 차량 정보를 획득하는 방법에 관하여 설명한다.

서버(S)는 차량 관리 장치(1000)로부터 차량 이미지를 수신한 후, 수신된 차량 이미지에 기초하여 현재 차량 정보를 획득할 수 있다. 보다 구체적으로, 서버(S)는 차량 이미지로부터 차량의 특징에 관한 정보를 추출한 후, 추출된 차량 특징 정보에 기초하여 현재 차량 정보를 획득할 수 있다.

일 실시예에 따르면, 상기 차량 특징 정보는 차량의 외관으로부터 추출될 수 있는 정보일 수 있다. 예를 들어, 상기 차량 특징 정보는 차량의 제조 국가, 제조사, 차량 구분, 모델명, 세부 모델명, 차체 형상, 제조 시기, 연식, 트림 등에 관한 정보를 포함할 수 있다.

또한, 차량 특징 정보는 차량을 구성하는 각종 부품(예를 들어, 도어, 범퍼, 휀더, 휠, 후드 등)에 관한 부품 정보를 포함할 수 있다. 이때, 상기 부품 정보는 차량을 구성하는 부품의 종류, 색상, 형태 등에 관한 정보일 수 있다.

도 6은 차량 이미지에 기초하여 추출되는 차량 특징 정보를 예시적으로 설명하기 위한 도면이다. 도 6의 (a)를 참조하면, 상기 부품 정보는 차량의 좌전방에서 촬영된 이미지에 포함되는 차량의 헤드라이트에 대응되는 헤드라이트 영역 정보(HL), 차량의 앞범퍼에 대응되는 앞범퍼 영역 정보(FB), 차량의 좌전방 휀더에 대응되는 좌전방 휠 영역 정보(LFF), 차량의 좌전방 도어에 대응되는 좌전방 도어 영역 정보(LFD), 차량의 좌후방 도어에 대응되는 좌후방 도어 영역 정보(LRD), 차량의 번호판에 대응되는 번호판 영역 정보(NP), 차량의 후방 휀더에 대응되는 좌후방 휀더 영역 정보(LRF), 차량의 후드에 대응되는 후드 영역 정보(HO)등을 포함할 수 있다. 각 영역 정보는 각 영역에 대응되는 부품의 명칭 또는 식별 정보와 연관되어 저장될 수 있다.

또한, 도 6의 (b)를 참조하면, 상기 부품 정보는 차량의 전방에서 촬영된 차량 이미지 내의 각 부품에 대응되는 부품 영역 정보를 포함할 수 있다. 도 14의 (b)를 참조하면, 부품 정보는 차량의 전방 이미지에 포함되는 차량의 헤드라이트에 대응되는 헤드라이트 영역 정보(LHL, RHL), 차량의 앞범퍼에 대응되는 앞범퍼 영역 정보(FB), 차량의 번호판에 대응되는 번호판 영역 정보(NP), 차량의 사이드 미러에 대응되는 사이드 미러 영역 정보(LSM, RSM), 차량의 앞유리에 대응되는 앞유리 영역 정보(FG), 차량의 엠블럼에 대응되는 엠블럼 영역 정보(EM), 차량의 후드에 대응되는 후드 영역 정보(HO) 등을 포함할 수 있다. 각 영역 정보는 각 영역에 대응되는 부품의 명칭 또는 식별 정보와 연관되어 저장될 수 있다.

도 6에서는 차량의 좌전방 및 전방에서 촬영된 이미지를 기준으로 부품 정보를 설명하였으나, 이는 예시일 뿐이며, 다양한 방향에서 촬영된 차량 이미지에 대하여 부품 정보가 획득될 수 있다.

다른 실시예에 따르면, 상기 차량 특징 정보는 차량의 외관에 포함된 문자로부터 추출될 수 있는 정보일 수 있다. 예를 들어, 차량의 외관에는 제조사 또는 모델명을 나타내는 다양한 문자 또는 장식이 포함되어 있을 수 있으며, 이때, 서버(S)는 상기 다양한 문자 또는 장식으로부터 차량 특징 정보를 추출할 수 있다.

도 7은 차량 식별 번호 기초하여 추출되는 차량 특징 정보를 예시적으로 설명하기 위한 도면이다. 도 7을 참조하면, 차량 이미지의 특정 영역에는 차량 식별 번호(Vehicle Identification Number)가 포함되어 있을 수 있으며, 차량 특징 정보는 상기 차량 식별 번호(Vehicle Identification Number)에 기초하여 추출될 수 있다.

차량 식별 번호(Vehicle Identification Number)는 복수의 문자 및 숫자로 구성되어 있을 수 있으며, 차량 식별 번호로부터 차량과 관련된 다양한 정보가 추출될 수 있다. 예를 들어, 차량 식별 번호에 포함된 문자 및 숫자로부터 차량의 제조 국가, 제조사, 차량 구분, 차종, 세부 차종, 차체 형상, 안전 장치, 배기량, 확인란, 제조년도, 생산 공장, 생산번호에 관한 정보가 추출될 수 있다.

보다 구체적인 예로, 상기 차량 식별 번호는 11개의 문자 또는 숫자로 구성될 수 있다. 이때, 처음에 위치하는 문자 또는 숫자는 제조 국가를 나타낼 수 있다. 예를 들어, 차량 식별 번호 중 첫번째 위치하는 문자 또는 숫자가 A~H인 경우 아프리카, J~R인 경우 아시아, S~Z인 경우 유럽, 1~5인 경우 북미, 6~7인 경우 오세아니아, 8~0인 경우 남미, K인 경우 한국, J인 경우 일본, 1인 경우 미국, W인 경우 독일, M인 경우 인도에서 차량이 제조된 것으로 판단될 수 있다.

또한, 차량 식별 번호 중 두번째 위치하는 문자 또는 숫자는 제조사를 의미할 수 있다. 예를 들어, 차량 식별 번호 중 두번째 위치하는 문자가 V이면 폭스바겐, A이면 아우디, B이면 BMW, D이면 벤츠, P이면 포르쉐, M이면 현대, L이면 대우, N이면 기아, P, R이면 쌍용이 제조사로 판단될 수 있다.

또한, 차량 식별 번호 중 세번째 위치하는 문자 또는 숫자는 차량 구분을 의미할 수 있다. 예를 들어, 차량 식별 번호 중 세번째 위치하는 문자가 H이면 승용, J이면 승합, F이면 화물, C이면 특장, B이면 트레일러로 차량 구분이 정의될 수 있다.

또한, 차량 식별 번호 중 네번째 위치하는 문자 또는 숫자는 차종을 의미할 수 있다. 예를 들어, 차량 식별 번호 중 네번째 위치하는 문자가 A이면 경차, B이면 중소형차, C이면 소형차, D이면 준중형차, E이면 중형차, F이면 준대형차, G이면 대형차로 판단될 수 있다.

또한, 차량 식별 번호 중 다섯번째 위치하는 문자 또는 숫자는 세부 차종을 의미할 수 있다. 예를 들어, 차량 식별 번호 중 다섯번째 위치하는 문자가 A이면 카고, B이면 덤프, H이면 믹서, L이면 기본사양, M이면 고급사양, N이면 최고급사양으로 판단될 수 있다.

또한, 차량 식별 번호 중 여섯번째 위치하는 문자 또는 숫자는 차체 형상을 의미할 수 있다. 예를 들어, 차량 식별 번호 중 여섯번째 위치하는 숫자가 1인 경우 리무진, 2~5인 경우 door 수, 6인 경우 쿠페, 8인 경우 웨건, 0인 경우 픽업으로 판단될 수 있다.

또한, 차량 식별 번호 중 일곱번째 위치하는 문자 또는 숫자는 안전 장치에 관한 정보를 의미할 수 있다. 예를 들어, 차량 식별 번호 중 일곱번째 위치하는 숫자가 1이면 안전 장치가 없고, 2이면 수동 안전띠, 3이면 자동 안전띠, 4이면 에어백이 설치되어 있음으로 판단될 수 있다.

또한, 차량 식별 번호 중 여덜번째 위치하는 문자 또는 숫자는 배기량에 관한 정보를 의미할 수 있다. 예를 들어, 차량 식별 번호 중 여덜번째 위치하는 문자가 A이면 1800cc, B이면 2000cc, C이면 2500cc로 판단될 수 있다.

또한, 차량 식별 번호 중 열번째 위치하는 문자 또는 숫자는 제조 년도를 의미할 수 있다. 예를 들어, 차량 식별 번호 중 열번째 위치하는 문자 또는 숫자가 T이면 1996, V이면 1997, Y이면 2000, 1이면 2001 등으로 판단될 수 있다.

또한, 차량 식별 번호 중 열한번째 위치하는 문자 또는 숫자는 생산 공장에 관한 정보를 의미할 수 있다. 예를 들어, 차량 식별 번호 중 열한번째 위치하는 문자가 A이면 아산, C이면 전주, U이면 울산, M이면 인도 등으로 판단될 수 있다.

또한 차량 식별 번호 중 가장 끝에 위치하는 복수의 숫자는 차량 생산 번호를 의미할 수 있다. 예시적으로, 차량 생산 번호는 6개의 숫자로 구성될 수 있다.

한편, 일 실시예에 따르면, 차량 특징 정보는 신경망 모델을 이용하여 획득될 수 있다. 차량 특징 정보는 객체 인식(object recognition)을 수행하는 신경망 모델을 이용하여 획득될 수 있다.

신경망 모델은 차량 이미지를 입력으로 하여, 차량 특징 정보를 획득할 수 있다. 신경망 모델은 차량 특징 정보를 획득하는 신경망 모델을 이용하여 입력된 이미지에 관한 차량 특징을 식별하고, 식별된 차량 특징에 대응되는 제조사, 모델명 등의 정보를 획득할 수 있다. 보다 구체적으로, 신경망 모델은 입력된 차량 이미지로부터 차량의 제조 국가, 제조사, 차량 구분, 모델명, 세부 모델명, 차체 형상, 제조 시기, 연식, 트림 등에 관한 정보 및 부품 정보를 획득할 수 있다.

신경망 모델의 출력 레이어는 차량 이미지가 특정 제조사에 의해 제조되었는지, 특정 차량 구분에 해당하는지, 특정 모델명에 해당하는지 등을 나타내는 확률 함수를 포함할 수 있다. 또한, 출력 레이어는 차량 이미지 내에 특정 부품이 포함되어 있는지 여부를 나타내는 확률 함수를 포함할 수 있다.

상기 신경망 모델은 차량의 외관 중 적어도 일부를 포함하는 차량 이미지에 기초하여 차량 특징 정보를 추출하도록 학습될 수 있다. 신경망 모델은 차량 이미지와 라벨링 데이터를 포함하는 학습 데이터를 이용하여 학습될 수 있다. 이때, 상기 라벨링 데이터는 차량 외관의 특징과 관련된 복수의 라벨링 값을 포함할 수 있다.

구체적으로, 신경망 모델은 차량 이미지를 입력 받은 후 출력 값을 획득할 수 있다. 이후, 신경망 모델은 출력 값과 라벨링 데이터의 차이를 고려하여 산출된 오차 값에 기초하여 상기 신경망 모델을 갱신하는 방법으로 학습될 수 있다. 이때, 상기 출력 값은 상기 복수의 라벨링 값에 각각 대응되는 복수의 출력 값을 포함할 수 있다.

다른 실시예에 따르면, 차량 특징 정보는 복수의 신경망 모델, 예컨대 2개의 신경망 모델을 통해 획득될 수 있다. 제1 신경망 모델은 차량 이미지로부터 차량 외부에 포함된 문자에 관한 정보를 획득하도록 학습될 수 있다. 또한, 제2 신경망 모델은 차량 이미지로부터 차량 외관의 형태(예컨대, 차량 또는 차량 부품의 형상, 모양, 색채 또는 이들의 결합)에 관한 정보를 획득하도록 학습될 수 있다.

제1 신경망 모델 및 제2 신경망 모델은 독립된 별개의 신경망 모델을 의미할 수 있으나 이에 한정되는 것은 아니며, 하나의 신경망 모델에서 물리적 또는 논리적으로 분리되어 있을 수 있다. 즉, 신경망 모델의 제1 부분은 차량 이미지로부터 차량 외부에 포함된 문자에 관한 정보를 획득하고, 제2 부분은 차량 이미지로부터 차량 외관의 형태에 관한 정보를 획득하도록 학습될 수 있다.

한편, 신경망 모델은 CNN(Convolutional Neural Network), RNN(Recursive Neural Network), DBN(Deep Belief Network), LSTM(Long Short-term Memory), GRU(Gated Recurrent Neural Network), 이들의 변형 및 조합 중 적어도 하나일 수 있다.

서버(S)는 차량 이미지로부터 추출된 차량 특징 정보에 기초하여 현재 차량 정보를 획득할 수 있다.

상술한 바와 같이 차량 특징 정보는 차량 외관에 관한 이미지에 기초하여 획득될 수도 있고, 차량 식별 번호(Vehicle Identification Number)에 기초하여 획득될 수도 있다. 이때, 상기 차량 식별 번호(Vehicle Identification Number)는 차량 마다 부여되는 고유의 일련 번호로서 차량의 특정 부위에 고정되어 있으므로 위조되기 어려운 특징이 있다. 이에 따라, 상기 차량 식별 번호에 기초하여 획득된 현재 차량 정보를 이용하여 차량 번호판 위조 여부를 판단하는 경우 보다 신뢰도 높은 결과를 얻을 수 있다.

또한, 차량 식별 번호로부터 차량 특징 정보가 추출되는 경우, 차량 외관 이미지로부터 차량 특징 정보를 추출할 필요 없이 차량 번호판 위조 여부 판단이 진행될 수 있다.

한편, 차량 특징 정보는 상기 차량이 상기 차량의 특징과 관련된 복수의 파라미터 중 적어도 어느 하나에 해당할 확률 값을 포함할 수 있다. 이 경우, 현재 차량 정보는 상기 차량 특징 정보에 포함된 확률 값에 기초하여 정해질 수 있다.

다시 말해, 차량 특징 정보는 상기 차량과 관련된 다양한 유형의 특징 정보(예컨대, 제1 유형의 특징 정보 또는 제2 유형의 특징 정보)를 포함할 수 있고, 상기 특정 유형의 특징 정보에 포함된 복수의 파라미터 중 적어도 어느 하나에 해당할 확률 값을 포함할 수 있다. 이때, 서버(S)는 상기 확률 값에 기초하여 현재 차량 정보를 획득할 수 있다. 예를 들어, 서버(S)는 가장 높은 확률 값을 가지는 차량 특징 정보에 기초하여 현재 차량 정보를 획득할 수 있다.

도 8은 차량 특징 정보에 기초하여 획득된 현재 차량 정보를 설명하기 위한 도면이다. 이하에서는, 도 8을 참조하여 서버(S)가 차량 특징 정보에 기초하여 현재 차량 정보를 획득하는 방법을 설명한다.

일 실시예에 따르면, 상기 차량 특징 정보는 상기 차량이 상기 제1 유형의 특징에 포함된 복수의 파라미터 중 적어도 어느 하나에 해당하고, 상기 제2 유형의 특징에 포함된 복수의 파라미터 중 적어도 어느 하나에 해당할 제3 확률 값을 포함할 수 있다.

보다 구체적인 예로, 도 8의 (b)를 참조하면, 제1 유형의 특징 정보가 제조사와 관련된 정보이고, 제2 유형의 특징 정보가 세부 모델명과 관련된 정보일 수 있다. 이때, 신경망 모델이 차량 이미지에 기초하여 차량 특징 정보를 추출하는 경우, 상기 차량 특징 정보에는 상기 차량의 제조사가 벤츠이고 세부 모델명이 AV일 확률 값이 95%라는 정보와 상기 차량의 제조사가 벤츠이고 세부 모델명이 EX일 확률 값이 88%라는 정보를 포함할 수 있다.

이 경우, 서버(S)는 차량 이미지에 기초하여, 현재 차량의 제조사가 벤츠, 모델명은 E300, 세부 모델명은 AV, 제작 연도는 2018, 차량 구분은 Sedan, 차종은 중형차일 제3 확률 값이 95%로 판단할 수 있고, 또한, 현재 차량의 제조사가 벤츠, 모델명은 E300, 세부 모델명은 EX, 제작 연도는 2020, 차량 구분은 Sedan, 차종은 중형차일 제3 확률 값이 88%로 판단할 수 있다. 이때, 서버(S)는 상기 제3 확률 값이 가장 높은 차량 특징 정보에 기초하여 현재 차량 정보를 획득할 수 있다. 즉, 서버(S)는 제3 확률 값에 기초하여, 현재 차량의 제조사는 벤츠, 모델명은 E300, 세부 모델명은 AV, 제작 연도는 2018, 차량 구분은 Sedan, 차종은 중형차인 현재 차량 정보를 획득할 수 있다.

다른 실시예에 따르면, 상기 제1 유형의 특징 정보는 상기 차량이 상기 제1 유형의 특징에 포함된 복수의 파라미터 중 적어도 어느 하나에 해당할 제1 확률 값을 포함할 수 있고, 상기 제2 유형의 특징 정보는 상기 차량이 제2 유형의 특징에 포함된 복수의 파라미터 중 적어도 어느 하나에 해당할 제2 확률 값을 포함할 수 있다.

예를 들어, 도 8의 (a)를 참조하면, 제1 유형의 특징 정보가 제조사와 관련된 정보인 경우, 상기 제1 유형의 특징에 포함된 복수의 파라미터는 다양한 제조사(예컨대, 현대, 기아, 벤츠, 아우디, 볼보 등)일 수 있다. 이때, 신경망 모델이 차량 이미지에 기초하여 제1 유형의 특징 정보를 추출하는 경우, 상기 제1 유형의 특징 정보에는 상기 차량이 상기 복수의 파라미터 중 적어도 어느 하나에 해당할 제1 확률 값(예컨대, 상기 차량의 제조사가 벤츠일 확률이 99%, 상기 차량의 제조사가 볼보일 확률이 3%)을 포함할 수 있다.

또한, 제2 유형의 특징 정보는 모델명과 관련될 수 있으며, 상기 제2 유형의 특징에 포함된 복수의 파라미터는 다양한 모델명(E300 AV, E300 EX 등)일 수 있다. 이때, 상기 제2 유형의 특징 정보에는 상기 차량이 상기 복수의 파라미터 중 어느 하나에 해당할 제2 확률 값(예컨대, E300 AV에 해당할 확률이 95%, E300 EX에 해당할 확률이 34%)을 포함할 수 있다.

이 경우, 서버(S)는 상기 제1 유형의 특징 정보에 포함된 제1 확률 값과 상기 제2 유형의 특징 정보에 포함된 제2 확률 값에 기초하여 현재 차량 정보를 획득할 수 있다. 즉, 서버(S)는 현재 차량의 제조사를 상기 제1 유형의 특징 정보에 포함된 다양한 제조사 중 제1 확률 값이 가장 높은 벤츠로 판단할 수 있고, 현재 차량의 모델명을 상기 제2 유형의 특징 정보에 포함된 다양한 모델명 중 제2 확률 값이 가장 높은 E300 AV로 판단할 수 있다.

서버(S)는 차량 번호판이 유효한지 여부에 대해 판단할 수 있고, 그 결과에 기초하여 차량 번호판 위조 여부 판단을 수행할 수 있다. 예를 들어, 서버(S)는 차량 번호판이 유효하지 않다고 판단되는 경우, 상술한 현재 차량 정보에 기초한 차량 번호판 위조 여부 판단을 수행하지 않고, 곧바로 차량 번호판이 위조 되었다는 메시지를 사용자에게 제공할 수 있다. 다른 예로, 서버(S)는 차량 번호판이 유효하다고 판단되는 경우, 상술한 현재 차량 정보에 기초하여 차량 번호판 위조 여부 판단을 수행한 후, 그 결과를 사용자에게 제공할 수 있다. 이하에서는, 서버(S)가 차량 번호판이 유효한지 검증하는 방법에 대하여 설명한다.

차량 번호판은 차량 등록 시 부여되는 고유번호이다. 즉, 차량 번호판에는 상술한 바와 같이 다양한 정보가 포함되어 있고, 차량 번호판에 포함된 다양한 문자와 숫자의 조합에 의해 해당 차량을 다른 차량과 구별할 수 있는 고유 번호가 만들어질 수 있다.

차량을 소유한 운전자는 소유 차량의 전면과 후면에 차량 번호판을 부착할 의무가 있으며, 또한, 해당 차량 번호판에 관한 정보는 관련 기관의 데이터베이스 상에 저장되어 관리된다.

이때, 일 실시예에 따른 차량 번호판 위조 판단 프로세스는 차량 이미지로부터 추출된 차량 번호판 정보가 유효한지 검증하는 단계를 차량 번호판이 위조되었는지 여부를 판단할 수 있다. 즉, 서버(S)는 차량 이미지로부터 추출된 차량 번호판 정보가 DB 서버(S2)상에 등록되어 있는지에 기초하여 차량 번호판 위조 여부를 판단할 수 있다.

도 4를 참조하면, 서버(S)는 차량 이미지로부터 차량 번호판 정보를 추출할 수 있고, 추출된 차량 번호판 정보를 DB 서버(S2)로 전송할 수 있다. 이때, DB 서버(S2)는 차량 번호판 정보를 수신한 후, 해당 차량 번호판이 데이터베이스 상에 등록되어 있는지 여부에 관하여 조회해볼 수 있다.

이후, DB 서버(S2)는 차량 번호판 정보 조회 결과를 서버(S)에 전송할 수 있으며, 서버(S)는 차량 번호판 정보 조회 결과를 수신하여 차량 번호판이 DB 서버 상에 등록되어 있는지 여부에 관하여 판단할 수 있다.

예를 들어, 서버(S)는 추출된 차량 번호판 정보에 포함된 차량 번호가 데이터베이스상에 등록되어 있지 않는 경우, 해당 차량 번호판은 유효하지 않은 것으로 판단할 수 있다. 또한, 서버(S)는 추출된 차량 번호판 정보에 포함된 차량 번호가 데이터베이스상에 등록되어 있지 않는 경우, 해당 차량 번호판은 위조된 것으로 판단할 수 있다.

다른 예로, 추출된 차량 번호판 정보에 포함된 차량 번호가 데이터베이스상에 등록되어 있다고 판단되는 경우, 서버(S)는 해당 차량 번호판이 유효한 것으로 판단할 수 있다. 다만, 이 경우, 해당 차량 번호판이 유효하다고 판단되는 것이 곧 해당 차량 번호판이 위조되지 않았다고 판단되는 것을 의미하는 것은 아니다. 즉, 서버(S)는 해당 차량 번호판이 유효하다고 판단되면, 추가적으로 해당 차량 번호판에 대응되는 기준 차량 정보를 획득하고, 이에 기초하여 차량 번호판 위조 여부를 판단할 수 있다. 이에 관한 보다 구체적인 내용은 후술하도록 한다.

한편, 차량 번호판 정보는 상술한 바와 같이 문자 인식 알고리즘 또는 학습된 신경망을 통해 획득될 수 있는데, 이 경우, 상기 차량 번호판 정보는 차량 번호판이 특정 문자 또는 숫자를 포함하고 있을 확률 값을 포함할 수 있으며, 서버(S)는 상기 확률 값에 기초하여 차량 번호판이 데이터베이스 상에 등록되어 있는지 여부를 판단할 수 있다.

예시적으로, DB 서버는 국토교통부의 데이터베이스일 수 있다. 또한, DB 서버는 사설 수리 업체에 구비된 데이터베이스일 수 있다.

서버(S)는 위조의 대상이 된 차량에 관한 정보에 기초하여 차량 번호판 위조 여부를 판단할 수 있다. 즉, 서버(S)는 위조의 대상이 된 차량에 관한 정보(이하, 기준 차량 정보라고 함)를 획득한 후, 이를 차량 번호판을 위조한 차량에 관한 정보와 비교하여 차량 번호판 위조 여부를 판단할 수 있다. 이하에서는, 기준 차량 정보 및 이를 획득하는 방법에 관하여 설명한다.

기준 차량 정보는 상술한 바와 같이 위조의 대상이 된 차량에 관한 정보일 수 있다. 또한, 기준 차량 정보는 차량 이미지로부터 추출되는 차량 번호판 정보에 대응하는 차량에 관한 정보일 수 있다.

한편, 기준 차량 정보는 상술한 현재 차량 정보에 대응하는 정보를 포함할 수 있다. 예를 들어, 기준 차량 정보는 차량 이미지로부터 추출되는 차량 번호판 정보에 대응하는 차량의 제조 국가, 제조사, 차량 구분, 모델명, 세부 모델명, 차체 형상, 제조 시기, 연식, 트림 등에 관한 정보 및 부품 정보를 포함할 수 있다.

도 4를 참조하면, 서버(S)는 기준 차량 정보를 획득할 수 있다.

일 실시예에 따르면, 서버(S)는 DB 서버(S2)에 저장된 데이터베이스로부터 기준 차량 정보를 획득할 수 있다. 이때, 서버(S)는 차량 번호판 정보가 유효한지에 관한 판단 결과에 기초하여 기준 차량 정보를 획득할 수 있다. 예를 들어, 서버(S)는 차량 이미지로부터 추출된 차량 번호판 정보에 포함된 차량 번호가 관련 기관 등의 데이터베이스 상에 등록된 번호라고 판단되는 경우, DB 서버(S2)로부터 기준 차량 정보를 획득할 수 있다.

보다 구체적으로, 서버(S)는 상술한 바와 같이 차량 이미지로부터 추출된 차량 번호판 정보에 포함된 차량 번호가 등록된 번호인지 여부를 판단할 수 있다. 이 경우, 서버(S)는 상기 차량 번호가 등록된 번호라고 판단하는 경우, DB 서버(S2)에 기준 차량 정보를 요청할 수 있고, 상기 DB 서버(S2)는 데이터베이스 상에 미리 저장된 복수의 차량 정보 중 상기 차량 번호에 대응하는 차량 정보(기준 차량 정보)를 획득한 후 서버(S)에 전송할 수 있다.

다른 실시예에 따르면, 서버(S)는 서버(S)의 저장소에 미리 저장되어 있는 데이터베이스로부터 기준 차량 정보를 획득할 수도 있다. 즉, 도면에는 도시하지 않았지만, 서버(S)는 차량 이미지로부터 추출된 차량 번호판 정보에 포함된 차량 번호가 등록된 번호라고 판단하는 경우, 서버(S)의 저장소에 미리 저장되어 있는 복수의 차량 정보 중 상기 차량 번호에 대응하는 기준 차량 정보를 획득할 수 있다.

한편, 서버(S)는 차량 이미지로부터 추출된 차량 번호가 미등록 번호 또는 유효하지 않은 번호라고 판단되는 경우, 기준 차량 정보를 획득하는 단계 없이 차량 번호판이 위조되었다고 판단할 수 있다. 예를 들어, 서버(S)는 차량 이미지로부터 추출된 차량 번호가 미등록 번호 또는 유효하지 않은 번호라고 판단되는 경우, 차량 번호판이 위조되었다고 판단한 후, 그 결과를 차량 관리 장치(1000)에 제공할 수 있다.

보다 구체적으로, 차량 번호판 위조 여부 판단을 위해 현재 차량 정보와 기준 차량 정보를 비교하는 단계는 차량 이미지로부터 획득되는 차량 번호가 유효하다고 판단되는 경우에만 수행될 수 있다.

또한, 상술한 차량 특징 정보를 추출하는 단계 또는 현재 차량 정보를 획득하는 단계는 차량 번호판 검증 단계가 수행된 후에 수행될 수 있다. 예컨대, 상기 차량 번호판 검증 결과가 미리 정해진 기준을 만족하는 경우에만 차량 이미지로부터 차량 특징 정보를 추출하거나 이에 기초하여 현재 차량 정보를 획득할 수 있다.

결국, 차량 이미지로부터 획득되는 차량 번호가 유효한지에 대한 판단을 선행함으로써, 상기 차량 번호가 등록된 번호 또는 유효한 번호라고 판단되는 경우에만 현재 차량 정보와 기준 차량 정보를 비교하여 차량 번호판 위조 여부를 판단할 수 있다. 이에 따라, 차량 번호판 위조 여부에 대한 판단 프로세스가 보다 간소화되고 신속하게 이루어질 수 있다.

다른 실시예에 따르면, 상기 기준 차량 정보는 차량 번호에 기초하여 획득될 수 있다. 예를 들어, 상기 차량 번호는 하나 이상의 숫자 및 문자의 조합으로 구성될 수 있는데, 상기 하나 이상의 숫자 및 문자로부터 추출되는 정보(예컨대, 차종 정보, 차량의 용도 또는 차량의 일련 번호 등)에 기초하여 상기 기준 차량 정보가 정해질 수 있다. 이 경우, 서버(S)는 상기 차량 번호에 기초하여 획득된 기준 차량 정보를 차량 이미지에 기초하여 획득된 현재 차량 정보와 비교하여 차량 번호판 위조 여부를 판단할 수 있다.

도 9는 현재 차량 정보와 기준 차량 정보에 기초하여 차량 번호판 위조 여부를 판단하는 방법을 설명하기 위한 도면이다. 도 9를 참조하면, 서버(S)는 현재 차량 정보와 기준 차량 정보에 기초하여 차량 번호판 위조 여부를 판단할 수 있다. 서버(S)는 현재 차량 정보와 기준 차량 정보를 서로 대조하여 차량 번호판 위조 여부를 판단할 수 있다.

일 실시예에 따르면, 서버(S)는 현재 차량 정보와 기준 차량 정보의 일치 정도에 기초하여 차량 번호판 위조 여부를 판단할 수 있다. 예를 들어, 서버(S)는 현재 차량 정보와 기준 차량 정보가 불일치하는 경우, 차량 번호판이 위조된 것으로 판단할 수 있다. 반대로, 서버(S)는 현재 차량 정보와 기준 차량 정보가 일치하는 경우, 차량 번호판이 정상인 것으로 판단할 수 있다. 다른 예로, 서버(S)는 현재 차량 정보와 기준 차량 정보의 일치 정도가 미리 정해진 기준을 만족하지 못하는 경우 상기 차량 번호판이 위조된 것으로 판단할 수 있다. 또한, 서버(S)는 현재 차량 정보와 기준 차량 정보의 불일치 정도가 미리 정해진 기준 이상이라고 판단되는 경우, 차량 번호판이 위조된 것으로 판단할 수 있다.

즉, 서버(S)는 현재 차량 정보에 포함된 차량 번호, 제조사, 모델명, 세부 모델명, 제작 연도, 차량 구분 또는 차종 정보 각각을 기준 차량 정보에 포함된 차량 번호, 제조사, 모델명, 세부 모델명, 제작 연도, 차량 구분 또는 차종 정보와 대조하여 차량 번호판 위조 여부를 판단할 수 있다.

보다 구체적인 예로, 도 9의 (a)는 차량 이미지로부터 획득된 현재 차량 정보이고, 도 9의 (b)는 데이터베이스 상에 저장된 복수의 차량 정보 중 상기 차량 이미지에 포함된 차량 번호판 정보에 대응하는 기준 차량 정보이다. 이 경우, 현재 차량 정보에 포함된 제조사 정보는 'Benz'이고, 기준 차량 정보에 포함된 제조사 정보는 'Volvo'이므로, 서버(S)는 이를 대조하여 현재 차량 정보와 기준 차량 정보가 불일치한다고 판단한 후, 차량 번호판이 위조되었다고 판단할 수 있다.

또한, 서버(S)는 현재 차량 정보 및 기준 차량 정보에 포함된 복수의 차량 특징 정보에 기초하여 차량 번호판 위조 여부를 판단할 수 있다. 예를 들어, 도 9를 참조하면, 현재 차량 정보에 포함된 제작 연도는 '2015'이고, 기준 차량 정보에 포함된 제작 연도 또한 '2015'로 동일하지만, 현재 차량 정보에 포함된 모델명 정보는 'E300'이고, 기준 차량 정보에 포함된 모델명 정보는 'S80'로 상이하다. 이 경우, 서버(S)는 현재 차량 정보와 기준 차량 정보가 불일치한다고 판단한 후, 차량 번호판이 위조되었다고 판단할 수 있다.

다른 실시예에 따르면, 서버(S)는 현재 차량 정보 및 기준 차량 정보에 포함된 하나 이상의 파라미터에 가중치를 두어 차량 번호판 위조 여부를 판단할 수 있다. 즉, 현재 차량 정보 및 기준 차량 정보에는 복수의 파라미터(예컨대, 차량의 제조 국가, 제조사, 차량 구분, 모델명, 세부 모델명, 차체 형상, 제조 시기, 연식, 트림 등에 관한 정보 및 부품 정보)가 포함되어 있을 수 있는데, 상기 복수의 파라미터 중 적어도 하나의 파라미터에 가중치를 두어 차량 번호판 위조 여부를 판단할 수 있다.

예를 들어, 서버(S)는 현재 차량 정보 및 기준 차량 정보에 포함된 제조사, 모델명 및 세부 모델명 정보 중 적어도 하나에 가중치를 두고 상기 현재 차량 정보 및 기준 차량 정보의 일치 정도를 판단할 수 있다. 보다 구체적인 예로, 서버(S)는 현재 차량 정보 및 기준 차량 정보에 포함된 제조사, 모델명 및 세부 모델명 정보가 일치한다고 판단하는 경우, 제작 연도에 관한 정보가 불일치 하더라도 상기 현재 차량 정보와 기준 차량 정보의 일치 정도는 미리 정해진 기준을 만족한다고 판단할 수 있다.

도 4를 참조하면, 서버(S)는 차량 번호판 위조 여부를 판단한 후, 그 결과를 차량 관리 장치(1000)에 제공할 수 있다. 이 경우, 차량 관리 장치(1000)는 서버(S)로부터 차량 번호 위조 판단 결과를 수신한 후, 차량 번호가 위조되었는지 여부에 관한 메시지를 사용자에게 제공할 수 있다.

구체적으로, 차량 관리 장치(1000)는 서버(S)로부터 차량 번호판 위조 판단 결과를 수신한 후, 차량 번호판이 위조된 것으로 판단된 경우 사용자에게 차량 번호 위조 메시지를 출력할 수 있고, 차량 번호판이 위조되지 않은 것으로 판단된 경우 사용자에게 차량 번호판 정상 메시지를 출력할 수 있다.

또한, 서버(S)는 차량 번호판이 데이터베이스에 등록되지 않은 것으로 판단되는 경우, 차량 번호판 미등록 메시지를 차량 관리 장치(1000)에 전송할 수 있다. 이 경우, 차량 관리 장치(1000)는 사용자에게 차량 번호판 위조 메시지를 출력할 수 있다.

한편, 도 4에 도시된 것과 달리, 차량 관리 장치(1000)는 차량 번호판이 위조된 것으로 판단되는 경우에만, 그 결과 메시지를 사용자에게 제공할 수 있다. 즉, 차량 관리 장치(1000)는 서버(S)로부터 수신한 차량 번호 위조 판단 결과가 차량 번호판 위조로 판단된 경우 또는 서버(S)로부터 차량 번호판 미등록 메시지를 수신한 경우에 한하여 사용자에게 차량 번호판 위조 메시지를 출력할 수 있다. 반대로, 차량 관리 장치(1000)는 서버(S)로부터 수신한 차량 번호 위조 판단 결과가 차량 번호판이 정상으로 판단된 경우에는 사용자에게 추가 메시지를 제공하지 않을 수 있다.

상술한 차량 번호판 위조 여부 판단 시스템은 주차장 또는 도로 등에서 다양한 방법으로 동작할 수 있다. 도 4의 A는 차량 관리 장치(1000)가 차량 번호판 위조 판단 결과를 사용자에게 제공하는 알림 단계를 나타낸 것이며, 이하에서는 알림 단계(A)의 구체적인 실시예를 설명한다.

일 실시예에 따르면, 차량 번호판 위조 여부 판단 시스템은 주차 관제에 사용될 수 있다. 보다 구체적으로, 차량 번호판 위조 여부 판단 시스템은 주차 관리자가 주차 구역으로 입차 하거나 주차 구역에서 출차하는 차량의 차량 번호판 위조 여부를 판단하는 작업에 사용될 수 있다.

예컨대, 차량 관리 장치(1000)는 주차 구역으로 입차하는 차량의 외관에 관한 이미지를 획득한 후, 이를 서버(S)에 전송할 수 있다. 이 경우, 서버(S)는 차량 이미지에 기초하여 상술한 일련의 단계를 통해 차량 번호판이 위조 되었는지 여부를 판단할 수 있다. 이후, 서버(S)는 차량 번호판 위조 판단 결과를 차량 관리 장치(1000)에 제공할 수 있고, 차량 관리 장치(1000)는 차량 번호판 위조 여부에 대한 판단 결과를 주차 관리자에게 제공할 수 있다.

마찬가지로, 차량 관리 장치(1000)는 주차 구역에서 출차하는 차량의 외관에 관한 이미지를 획득한 후, 이를 서버(S)에 전송할 수 있고, 서버(S)는 차량 이미지에 기초하여 차량 번호판 위조 여부를 판단할 수 있다. 이후, 차량 관리 장치(1000)는 서버(S)로부터 차량 번호판 위조 판단 결과를 수신한 후, 그 결과를 주차 관리자에게 제공할 수 있다.

이 경우, 차량 관리 장치(1000)는 주차 구역으로 입차하거나 주차 구역에서 출차하는 차량의 차량 번호판이 위조된 것으로 판단된 경우, 해당 내용을 관련 기관에 제공할 수 있다.

한편, 차량 관리 장치(1000)는 서버(S)로부터 수신된 차량 번호판 위조 판단 결과에 따라 주차 구역으로 입차하는 차량 또는 주차 구역에서 출차하는 차량을 통제할 수 있다. 예를 들어, 차량 관리 장치(1000)는 서버(S)로부터 차량 번호판이 위조되었다는 판단 결과를 수신하는 경우, 해당 차량이 주차 구역으로 입차하지 못하도록 차단할 수 있다. 다른 예로, 차량 관리 장치(1000)는 서버(S)로부터 차량 번호판이 위조되었다는 판단 결과를 수신하는 경우, 일단 해당 차량이 주차 구역으로의 입차를 허용한 후 해당 내용을 관련 기관에 통보할 수 있다. 또 다른 예로, 차량 관리 장치(1000)는 서버(S)로부터 차량 번호판이 위조되었다는 판단 결과를 수신하는 경우, 차량의 주차 구역으로의 입차를 허용한 후, 주차 구역에서 출차하지 못하도록 게이트를 차단할 수 있다.

차량이 주차장을 이용하는 경우, 주차 구역으로 입차할 때에는 정상 차량 번호판을 부착하였으나, 출차할 때에는 위조된 차량 번호판을 부착하여 출차하는 경우가 발생할 수도 있다.

보다 구체적으로, 차량이 주차 구역으로 입차 시에는 자신의 차량 번호판을 부착하였지만, 출차할 때는 자신의 차량 번호판을 상기 주차 구역 내에 주차되어 있는 차량 중 제조사, 모델, 연식 등이 자신의 차량과 동일한 다른 차량의 차량 번호판으로 위조하여 출차할 수도 있다. 이 경우, 위조 차량과 위조의 대상이 된 차량의 특징 정보가 상당히 유사하기 때문에 위조 차량 번호판을 부착한 차량은 무사히 출차할 수 있을 수 있다.

일 실시예에 따른 차량 번호판 위조 여부 판단 시스템은, 차량 번호 위조 여부 판단과 더불어 차량 이미지로부터 추출된 차량 번호판 정보가 이미 출차된 차량 번호판 정보와 동일하다고 판단되는 경우, 위조 차량 후보 리스트를 제공할 수 있다.

도 10은 중복된 차량 번호판으로 판단되는 경우 위조 차량 후보 리스트를 제공하는 방법을 설명하기 위한 도면이다. 도 10을 참조하면, 서버(S)는 상술한 일련의 단계를 통해 차량 번호 위조 여부를 판단할 수 있다. 이후, 서버(S)는 차량 번호판이 정상으로 판단되는 경우, 차량 번호판 중복 여부를 추가적으로 판단할 수 있다. 이때, 차량 번호판 중복 여부 판단은 미리 설정된 시간 내에 출차된 차량 중 동일한 차량 번호판이 부착된 차량이 존재하였는지 여부에 대한 판단을 의미할 수 있다.

서버(S)는 대상 차량의 차량 번호판이 중복되지 않는다고 판단되는 경우, 차량 번호판 정상 메시지를 출력할 수 있다. 즉, 서버(S)는 차량 이미지에 기초하여 차량 번호판이 위조되지 않았고, 중복된 차량 번호에도 해당하지 않는다고 판단된 경우, 차량 번호가 정상이라는 메시지를 출력할 수 있다.

서버(S)는 대상 차량의 차량 번호판이 중복된 것으로 판단되는 경우, 위조 차량 후보 리스트를 제공할 수 있다. 이때, 위조 차량 후보 리스트는 주차장에 입차한 복수의 차량 중 대상 차량의 차량 번호판을 위조한 것으로 판단될 가능성이 있는 차량에 관한 리스트일 수 있다.

예컨대, 위조 차량 후보 리스트는 주차장에 입차한 복수의 차량 중 대상 차량과 동일하거나 일정 기준 이상 유사한 차량 정보를 가지는 차량(이하, 유사 외관 차량)에 관한 리스트일 수 있다. 이때, 상기 차량 정보는 상술한 차량 특징 정보일 수 있다. 즉, 서버(S)는 주차 구역으로 입차한 복수의 차량의 이미지에 기초하여 획득한 복수의 차량 특징 정보를 저장해 두었다가, 대상 차량의 차량 번호가 중복된 것으로 판단된 경우, 상기 복수의 차량 특징 정보 중 대상 차량의 특징 정보에 대응되는 정보를 위조 차량 후보 리스트에 반영할 수 있다.

또한, 위조 차량 후보 리스트는 차량의 입차 기록 및 출차 기록에 기초하여 작성될 수 있다. 보다 구체적으로, 서버(S)는 상술한 유사 외관 차량이 주차 구역으로 입차한 후, 출차하였는지 여부에 기초하여 위조 차량 후보 리스트를 작성할 수 있다. 예를 들어, 서버(S)는 상기 유사 외관 차량이 복수인 경우, 복수의 유사 외관 차량 중 주차 구역으로 입차 하였으나, 아직 출차하지 않은 차량을 우선 순위로 하여 위조 차량 후보 리스트를 작성할 수 있다.

한편, 서버(S)는 감시 장치에 의해 감지된 제3자의 이상 행동에 기초하여 차량 번호판 위조 가능성을 판단할 수 있다. 예를 들어, 서버(S)는 CCTV 등의 감시 장치에 의해 제3자의 이상 행동이 감지된 경우, 해당 내용을 반영하여 차량 번호판 위조 가능성을 판단할 수 있다.예시적으로, 상기 제3자의 이상 행동은 차량 번호판 주위에서 일정 시간 이상 머물었는지 또는 차량 번호판 주위에서 특정 동작이 감지되었는지 등에 기초하여 판단될 수 있다.

서버(S)는 작성된 위조 차량 후보 리스트를 주차 관리자 또는 사용자에게 제공할 수 있다. 이 경우, 서버(S)는 위조 차량 후보 리스트와 함께 위조 차랑 후보 리스트에 포함된 차량에 관한 다양한 차량 특징 정보(예컨대, 차량 외관 정보, 차량 번호판 정보, 운전자 정보, 차량 손상 정보 또는 그 밖의 차량 이미지로부터 추출될 수 있는 정보)를 주차 관리자 또는 사용자에게 제공할 수 있다. 또한, 서버(S)는 위조 차량 후보 리스트를 제공함과 더불어, 위조 차량 후보 리스트에 포함된 차량에 관한 다양한 차량 특징 정보에 기초하여 결정되는 위조 차량일 확률 값도 함께 제공할 수 있다.

다른 실시예에 따르면, 차량 번호판 위조 여부 판단 시스템은 도로 상에서 사용될 수 있다. 보다 구체적으로, 차량 번호판 위조 여부 판단 시스템은 도로 관리자가 도로를 통과하는 차량의 차량 번호판 위조 여부를 판단하는 작업에 사용될 수 있다.

예컨대, 차량 관리 장치(1000)는 도로의 특정 구간을 통과하는 차량의 외관에 관한 이미지를 획득한 후, 이를 서버(S)에 전송할 수 있다. 이 경우, 서버(S)는 차량 이미지에 기초하여 상술한 일련의 단계를 통해 차량 번호판이 위조 되었는지 여부를 판단할 수 있다. 이후, 서버(S)는 차량 번호판 위조 판단 결과를 차량 관리 장치(1000)에 제공할 수 있고, 차량 관리 장치(1000)는 차량 번호판 위조 여부에 대한 판단 결과를 도로 관리자에게 제공할 수 있다.

이 경우, 차량 관리 장치(1000)는 도로의 특정 구간을 통과하는 차량의 차량 번호판이 위조된 것으로 판단된 경우, 해당 내용을 관련 기관에 제공할 수 있다. 이에 따라, 도로교통위반 차량 및 불법 행위 차량에 대한 감시가 용이하게 이루어질 수 있다.

이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (15)

1. 차량 이미지에 기초하여 차량 번호판 위조 여부를 판단하는 방법에 있어서,
   상기 차량의 외부를 촬영한 상기 차량 이미지를 획득하는 단계;
   미리 학습된 신경망 모델을 이용하여, 상기 차량 이미지에 포함된 차량 번호판 부분으로부터 차량 번호판 정보를 획득하는 단계;
   상기 신경망 모델을 이용하여, 상기 차량 이미지로부터 상기 차량의 특징과 관련된 차량 특징 정보를 추출하는 단계;
   상기 차량 특징 정보에 기초하여 현재 차량 정보를 획득하는 단계;
   상기 차량 번호판 정보가 유효한지 판단하는 차량 번호판 검증 단계;
   상기 차량 번호판 검증 단계에서 상기 차량 번호판 정보가 유효하다고 판단되는 경우, 상기 차량 번호판 정보에 기초하여 기준 차량 정보를 획득하는 단계;
   상기 현재 차량 정보와 상기 기준 차량 정보에 기초하여 상기 차량 번호판의 위조 여부를 판단하는 단계; 및
   상기 차량 번호판의 위조 여부 판단 결과에 기반하여 주차 관제 시스템을 통제하는 단계를 포함하되,
   상기 차량 번호판의 위조 여부는 상기 차량 번호판의 중복 여부 판단 결과 및 제3자의 이상 행동 분석 결과에 기반하여 결정되고,
   상기 차량 번호판의 중복 여부 판단 결과는 상기 차량 번호판 정보가 미리 설정된 기간 이내에 이미 출차가 완료된 차량 번호판 정보와 동일한지 여부에 기반하여 결정되고,
   상기 제3자의 이상 행동 분석 결과는 상기 주차 관제 시스템에 구비되어 있는 감시 장치에 의해 감지되는 상기 제3자가 상기 차량의 주변에서 일정 시간 이상 머물렀는지에 기반하여 결정되고,
   상기 주차 관제 시스템을 통제하는 단계는, 상기 차량 번호판이 위조된 것으로 판단되는 경우 상기 차량이 주차 구역으로 입차하지 못하도록 게이트를 제어하는 단계 및 상기 차량이 상기 주차 구역으로 입차한 것으로 판단된 경우 상기 주차 구역에서 출차하지 못하도록 상기 게이트를 제어하는 단계를 포함하고,
   상기 주차 관제 시스템을 통제하는 단계는, 위조 차량 후보 리스트를 제공하는 단계를 더 포함하되, 상기 위조 차량 후보 리스트는 상기 주차 구역에 입차한 복수의 차량 중 상기 차량 이미지에 대응하거나 일정 기준 이상 유사한 차량 정보를 가지는 유사 외관 차량에 관한 리스트이며,
   상기 위조 차량 후보 리스트는 상기 유사 외관 차량 중 상기 주차 구역으로 입차하였으나 아직 출차하지 않은 차량에 관한 리스트인,
   차량 번호판 위조 여부 판단 방법.
   
2. 제1항에 있어서,
   상기 차량 특징 정보 추출 단계는, 상기 차량 이미지에 포함된 차량 외관 부분에 기초하여 상기 차량의 특징 정보를 추출하는 것을 포함하고,
   상기 신경망 모델은 차량 외관 이미지에 기초하여 차량 정보를 획득하도록 학습되는,
   차량 번호판 위조 여부 판단 방법.
   
3. 제1항에 있어서,
   상기 차량 특징 정보 추출 단계는, 상기 차량 이미지에 포함된 문자 부분에 기초하여 상기 현재 차량의 정보를 추출하고,
   상기 신경망 모델은 차량과 관련된 문자에 기초하여 차량 정보를 획득하도록 학습되는,
   차량 번호판 위조 여부 판단 방법.
   
4. 제3항에 있어서,
   상기 문자 부분은 차량 식별 번호(Vehicle Identification Number) 또는 엠블럼(emblem)을 포함하는,
   차량 번호판 위조 여부 판단 방법.
   
5. 제1항에 있어서,
   상기 차량 특징 정보 추출 단계는, 상기 차량 이미지로부터 제1 유형의 특징 정보 및 제2 유형의 특징 정보를 포함하는 상기 차량 특징 정보를 추출하는 것을 포함하되,
   상기 차량 특징 정보는 상기 차량이 상기 제1 유형의 특징에 포함된 복수의 파라미터 중 적어도 어느 하나에 해당하고, 상기 제2 유형의 특징에 포함된 복수의 파라미터 중 적어도 어느 하나에 해당할 제3 확률 값을 포함하는,
   차량 번호판 위조 여부 판단 방법.
   
6. 제5항에 있어서,
   상기 현재 차량 정보 획득 단계는, 상기 제3 확률 값에 기초하여 상기 현재 차량 정보를 획득하는 것을 포함하는,
   차량 번호판 위조 여부 판단 방법.
   
7. 제1항에 있어서,
   상기 차량 특징 정보 추출 단계는, 상기 차량 이미지로부터 제1 유형의 특징 정보 및 제2 유형의 특징 정보를 추출하는 것을 포함하되,
   상기 제1 유형의 특징 정보는 상기 차량이 상기 제1 유형의 특징에 포함된 복수의 파라미터 중 적어도 어느 하나에 해당할 제1 확률 값을 포함하고,
   상기 제2 유형의 특징 정보는 상기 차량이 상기 제2 유형의 특징에 포함된 복수의 파라미터 중 적어도 어느 하나에 해당할 제2 확률 값을 포함하는,
   차량 번호판 위조 여부 판단 방법.
   
8. 제7항에 있어서,
   상기 현재 차량 정보 획득 단계는, 상기 제1 확률 값 및 상기 제2 확률 값에 기초하여 상기 현재 차량 정보를 획득하는 것을 포함하는,
   차량 번호판 위조 여부 판단 방법.
   
9. 제7항에 있어서,
   상기 제1 유형의 특징은 차량의 제조사와 관련된 특징이고, 상기 제2 유형의 특징은 차량의 모델명과 관련된 특징인,
   차량 번호판 위조 여부 판단 방법.
   
10. 제1항에 있어서,
    상기 차량 번호판 검증 단계는, 상기 차량 이미지를 통해 획득한 상기 차량 번호판 정보를 조회하여 상기 차량 번호판 정보에 포함된 차량 번호가 데이터베이스 상에 등록되어 있으면 상기 차량 번호가 유효하다고 판단하는 것을 포함하는,
    차량 번호판 위조 여부 판단 방법.
    
11. 제1항에 있어서,
    상기 기준 차량 정보는 데이터베이스 상에 저장된 복수의 차량 정보 중 상기 차량 번호판 정보에 대응하는 차량 정보인,
    차량 번호판 위조 여부 판단 방법.
    
12. 제5항에 있어서,
    상기 현재 차량 정보는 가장 높은 상기 제3 확률 값을 가지는 차량 특징 정보에 기초하여 획득되고,
    상기 차량 번호판 위조 판단 단계는, 상기 현재 차량 정보와 상기 기준 차량 정보가 불일치하는 경우, 상기 차량 번호판이 위조된 것으로 판단하는 것을 포함하는,
    차량 번호판 위조 여부 판단 방법.
    
13. 삭제
14. 삭제
15. 차량 이미지에 기초하여 차량 번호판 위조 여부를 판단하는 차량 관리 장치에 있어서,
    상기 차량 번호판의 위조 여부를 판단하는 제어부; 및
    상기 차량 번호판의 위조 여부 판단 결과를 제공하는 출력부를 포함하되,
    상기 제어부는,
    상기 차량의 외부를 촬영한 상기 차량 이미지를 획득하고,
    미리 학습된 신경망 모델을 이용하여, 상기 차량 이미지에 포함된 차량 번호판 부분으로부터 차량 번호판 정보를 획득하고,
    상기 신경망 모델을 이용하여, 상기 차량 이미지로부터 상기 차량의 특징과 관련된 차량 특징 정보를 추출하고,
    상기 차량 특징 정보에 기초하여 현재 차량 정보를 획득하고,
    상기 차량 번호판 정보가 유효한지 판단한 후, 상기 차량 번호판 정보가 유효하다고 판단되는 경우, 상기 차량 번호판 정보에 기초하여 기준 차량 정보를 획득하며,
    상기 현재 차량 정보와 상기 기준 차량 정보에 기초하여 상기 차량 번호판의 위조 여부를 판단하고,
    상기 차량 번호판의 위조 여부 판단 결과에 기반하여 주차 관제 시스템을 통제하되,
    상기 차량 번호판의 위조 여부는 상기 차량 번호판의 중복 여부 판단 결과 및 제3자의 이상 행동 분석 결과에 기반하여 결정되고, 상기 차량 번호판의 중복 여부 판단 결과는 상기 차량 번호판 정보가 미리 설정된 기간 이내에 이미 출차가 완료된 차량 번호판 정보와 동일한지 여부에 기반하여 결정되고,
    상기 제3자의 이상 행동 분석 결과는 상기 주차 관제 시스템에 구비되어 있는 감시 장치에 의해 감지되는 상기 제3자가 상기 차량의 주변에서 일정 시간 이상 머물렀는지에 기반하여 결정되고,
    상기 차량 번호판이 위조된 것으로 판단되는 경우 상기 차량이 주차 구역으로 입차하지 못하도록 게이트를 제어하고, 상기 차량이 상기 주차 구역으로 입차한 것으로 판단된 경우 상기 주차 구역에서 출차하지 못하도록 상기 게이트를 제어함으로써 상기 주차 관제 시스템을 통제하고,
    상기 차량 번호판의 위조 여부 판단 결과에 기반하여 위조 차량 후보 리스트를 제공하되, 상기 위조 차량 후보 리스트는 상기 주차 구역에 입차한 복수의 차량 중 상기 차량 이미지에 대응하거나 일정 기준 이상 유사한 차량 정보를 가지는 유사 외관 차량에 관한 리스트이며, 상기 위조 차량 후보 리스트는 상기 유사 외관 차량 중 상기 주차 구역으로 입차하였으나 아직 출차하지 않은 차량에 관한 리스트인,
    차량 관리 장치.

Images